「Lv026」の記事一覧

【シナリオ】Feature Storeで、ストリーミングソース（Kafka等）からリアルタイムに特徴量を計算し、オンラインストアへ書き込みたい。これを実現するために使用するFeature StoreのAPIはどれか。

【シナリオ】数千の並列タスクを実行し、それぞれがMLflowにメトリクスをログする大規模な分散処理において、「APIレート制限」のエラーが頻発している。コードを変更せずにこの負荷を軽減する設定はどれか。

【シナリオ】Hyperoptでのパラメータ探索において、特定のパラメータ（例：`num_layers`）が探索範囲の境界値（上限または下限）に張り付いていることがわかった。次に取るべきアクションはどれか。

【シナリオ】複数のジョブ（A, B, C）があり、A -> B -> C の順で実行したいが、これらは別々のチームが管理しており、1つのジョブ定義にまとめることができない。これを疎結合に連携させる方法はどれか。

【シナリオ】監視ダッシュボードで「特定のモデルバージョンだけエラー率が高い」ことがわかった。この原因が「特定の入力データパターン」に起因するかどうかを調査するために、Inference Tableに対してどのようなクエリを実行すべきか。

【シナリオ】Deltaテーブルの履歴が肥大化し、メタデータの読み込みが遅くなっている。過去の履歴を保持しつつ、最新のスナップショットのクエリパフォーマンスを改善するために定期的に実行すべきコマンドはどれか。

【シナリオ】Model Servingへのリクエストがスパイク（急増）し、オートスケールが間に合わずにリクエストがドロップしている。スケールアウトの感度を上げるのではなく、スパイクを吸収するために有効なアーキテクチャパターンはどれか。

【シナリオ】分散学習において、バッチサイズを2倍に増やした場合、学習率（Learning Rate）はどう調整するのが一般的か（Linear Scaling Rule）。

【シナリオ】AutoMLで生成されたモデルを本番運用しているが、推論データに、学習時には存在しなかった新しいカテゴリ値が含まれるようになり、エラーが発生している。AutoMLの再学習以外で即座に取れる対策はどれか。

【シナリオ】Spark MLlibの `Pipeline` を保存・ロードする際、カスタムTransformerが含まれているとエラーになる。これを解決するために実装が必要なインターフェースはどれか。